Разработка методики синтеза нейропрогнозирующей идентификации статических и динамических характеристик сложных технологических установок с использованием ансамбля нейронных сетей ключевые слова icon

Разработка методики синтеза нейропрогнозирующей идентификации статических и динамических характеристик сложных технологических установок с использованием ансамбля нейронных сетей ключевые слова


Смотрите также:
Лабораторные задания 55 Контрольные вопросы: 56...
Прогнозирование социальных явлений с помощью «нейронных» сетей...
Структурно-функциональная организация нейронных сетей в промышленных системах обработки...
Решение задачи распознавания туберкулезных бацилл на изображениях...
«вход-выход»
Разработка методики оценки влияния динамических процессов в нагружающих устройствах на...
А. А. Д авыдов Модернизация России, полезный опыт Китая и теория сложных систем Ключевые слова...
Методические указания к лабораторным работам по дисциплине "электромеханические системы"...
О динамической интерпретации задачи обучения нейронных сетей...
Нейрокомпьютерная техника: Теория и практика...
Руководство оргкомитета...
Разработка методики расчёта установившихся режимов электрических сетей наружного освещения с...



Загрузка...
скачать

ISBN 978-5-7262-1375-0. НЕЙРОИНФОРМАТИКА – 2011. Часть 1

В.М. Буянкин, С.М. ГОМЕНЮК

Московский государственный технический университет им. Н.Э.Баумана

Viktor-Buyankin@yandex.ru


РАЗРАБОТКА МЕТОДИКИ СИНТЕЗА НЕЙРОПРОГНОЗИРУЮЩЕЙ ИДЕНТИФИКАЦИИ СТАТИЧЕСКИХ И ДИНАМИЧЕСКИХ ХАРАКТЕРИСТИК СЛОЖНЫХ ТЕХНОЛОГИЧЕСКИХ УСТАНОВОК

С ИСПОЛЬЗОВАНИЕМ АНСАМБЛЯ НЕЙРОННЫХ СЕТЕЙ


Ключевые слова: нейропрогнозирующая идентификация, ансамбль нейронных сетей, сложные технологические установки


Введение. В последние годы повысился интерес к таким научным направлениям как нейроидентификация, нейропрогнозирование различных физических процессов в сложных технологических установках. Этот интерес объясняется тем, что нейронные сети, являясь по своей структуре биологической моделью нервной системы человека, позволяют получать довольно сложные законы управления. Традиционные методы идентификации: метод частотных характеристик, метод временных характеристик, метод наименьших квадратов, метод статистических корреляционных функций – часто сводятся к линеаризации дифференциальных уравнений, что приводит к приближенному описанию работы сложных технологических установок. При классической идентификации с использованием ЭВМ, имеющих архитектуру фон-Неймана, аппроксимируемую функцию представляют в виде последовательной суммы. При идентификации с использованием нейронных сетей используется параллельность вычислений с высокой гибкостью базовых функций, связанных с адаптацией входных данных и возможностью управления числом элементов суммирования, что позволяет достичь более высокой точности прогнозируемых нелинейных статических и динамических характеристик сложных технологических установок.

^ Описание, постановка и метод решения задачи. Рассмотрим методику синтеза нейропрогнозирующей идентификации статических и динамических характеристик сложных технологических установок с использованием ансамбля нейронных сетей (рис. 1). Для реализации этой методики предлагается структурная схема, состоящая из рекуррентной нейронной сети и прогнозирующей нейронной сети. Первая сеть идентифицирует переходную характеристику сложной технологической установки, вторая нейронная сеть проводит нейропрогнозирование переходной характеристики на несколько шагов вперед. При обучении этих нейронных сетей анализируется ошибка. Если она превышает заданную точность, то нейронные сети дообучаются. После этого проводится анализ точности нейроидентификации с прогнозом и вычисляются статические и динамические характеристики сложной технологической установки.


рисунок6

Рис. 1. Схема методики синтеза нейропрогнозирующей идентификации

статических и динамических характеристик сложных технологических установок с использованием ансамбля нейронных сетей

На рис. 2 представлен пример нейроидентификации с нейропрогнозом статических и динамических характеристик станочного электропривода с использованием ансамбля нейронных сетей, который позволяет обойти процесс решения нелинейных уравнений, описывающих работу электропривода. Точность обучения нейронной сети достигает 0,02 об/мин. По сравнению с традиционными методами точность нейроидентификации увеличивается на 15–20 %. В результате используемой методики для рекуррентной и нейропрогнозирующей нейронных сетей было определено оптимальное число нейронов. Рекуррентная нейронная сеть содержит 21 нейрон. Нейропрогнозирующая нейронная сеть содержит 5 нейронов.




Рис. 2. Пример нейроидентификации с нейропрогнозом статических

и динамических характеристик станочного электропривода


Заключение. Рассматривается методика синтеза нейропрогнозирующей идентификации статических и динамических характеристик сложных технологических установок с использованием ансамбля нейронных сетей. Предлагается архитектура структурной схемы, состоящей из рекуррентной нейронной сети и прогнозирующей нейронной сети. Первая нейронная сеть идентифицирует переходную характеристику сложной технологической установки, вторая – проводит нейропрогнозирование переходной характеристики на несколько шагов вперед. Благодаря нейроидентификации с прогнозированием статических и динамических характеристик удается достичь более высокой точности и качества и управления сложными технологическими установками, что выгодно отличает системы нейроуправления от традиционных систем управления.


УДК 004.032.26(06) Нейронные сети




Скачать 32,73 Kb.
оставить комментарий
Дата02.10.2011
Размер32,73 Kb.
ТипДокументы, Образовательные материалы
Добавить документ в свой блог или на сайт

Ваша оценка этого документа будет первой.
Ваша оценка:
Разместите кнопку на своём сайте или блоге:
rudocs.exdat.com

Загрузка...
База данных защищена авторским правом ©exdat 2000-2017
При копировании материала укажите ссылку
обратиться к администрации
Анализ
Справочники
Сценарии
Рефераты
Курсовые работы
Авторефераты
Программы
Методички
Документы
Понятия

опубликовать
Загрузка...
Документы

наверх